针对可穿戴设备传感器的人体运动状态识别的国内外研究现状

近年来，随着可穿戴设备的普及和传感技术的不断进步，人体运动状态识别在生活中的应用越来越广泛。国内外学者对于可穿戴设备传感器的人体运动状态识别的研究也已经取得了一些成果。

国内研究现状：

1. 基于深度学习的人体运动状态识别：近年来，深度学习在人体运动状态识别上的应用越来越广泛，国内的研究者也开始使用深度学习的方法进行人体运动状态的识别。例如，华东师范大学的研究者们使用深度神经网络和卷积神经网络(CNN)进行了人体姿态识别和运动状态识别的研究。

2. 基于机器学习的人体运动状态识别：机器学习是一种常用的人体运动状态识别方法，它通过训练模型对传感器数据进行分类和预测。例如，北京航空航天大学的研究者们采用了支持向量机、决策树等机器学习算法进行人体运动状态的识别。

3. 基于传感器的人体运动状态识别：传感器是人体运动状态识别的重要组成部分，国内研究者们也在探索不同的传感器组合以及其在人体运动状态识别中的应用。例如，南昌大学的研究者们采用了加速度传感器和陀螺仪等传感器进行人体运动状态的识别。

国外研究现状：

1. 基于深度学习的人体运动状态识别：美国的研究者们采用深度学习的方法进行了人体姿态识别和运动状态识别的研究，取得了一定的成果。

2. 基于机器学习的人体运动状态识别：英国的研究者们采用了支持向量机、随机森林等机器学习算法进行人体运动状态的识别，并取得了较好的效果。

3. 基于传感器的人体运动状态识别：荷兰的研究者们采用了加速度计和陀螺仪等传感器进行人体运动状态的识别，并取得了较好的识别效果。

总之，国内外研究者们对于可穿戴设备传感器的人体运动状态识别进行了深入研究，并取得了一些成果。未来随着技术的不断进步，人体运动状态识别技术将会更加成熟和普及。